导读:基于以上讨论,AI技术在保险多场景下不断进行融合推进,也对遇到的不少难题给出了不错的解题思路,但要想在保险行业进行商业场景化真正落地也面临着不少挑战。
近年来,随着互联网、人工智能等信息化技术的快速发展,银行、保险、金融、医疗、零售等行业都从中得到了广泛应用和融合发展。
尤其是在保险行业,有人说AI是蓝海,给患者、保司、医疗机构三方都提供了高效、便利的的数字化服务;也有人说AI是死海,因为AI技术在与保险相融合的过程中势必会存在一些风险问题,而且在如今保险市场竞争愈发激烈的大背景下,AI技术能否快速提高保司市场竞争力而回归正轨还是未知数。
AI技术在保险多场景下不断进行融合推进,也对遇到的不少难题给出了不错的解题思路,但要想在保险行业进行商业场景化真正落地也面临着不少挑战。
第一,不管是一些最新技术的应用,还是涉及到垂直模型精准算法的应用,怎样发挥两边所长,进行有效结合实现真正落地,是保险AI技术第一步所要面临的挑战。
而在此挑战下,保司从技术精准化到进一步扩大至大模型,也在面临着解释度和透明度的问题,比如,如何将定价风险识别、损失核定等这些根本性的核心业务进行AI技术精准整合赋能,是需要保司通过高度的解释性和透明度来符合监管,取得民众和行业的认可信任。
第二,大量精准高质量数据来做支撑,以及技术成熟度问题。毫无疑问,想要做好一个应用,一定是需要建设大量且精准数据来做支撑,但各大保司所处境遇不同,数据质量也是千差万别,而且保司拥有的大量专业性数据和客户数据都是需要经过层层采集、清洗加工,最终产出的有用数据量远远还不够多。
此外,AI技术成熟度的高低也直接影响到保险行业。比如,刚刚提及到的利用大模型通过数据去执行一些动作,来规划进业务场景里面,但目前AI技术还有一些引导性没有发挥出来,导致运行的规律性还不够,无法预期最终结果,显然这一部分技术还需要再继续提升。
第三,相关AI技术是否合规合法,以及数据安全隐私保护问题。在保险领域,AI技术的赋能肯定是要合法合规,符合正确价值观,而且目前大模型本身是公共开放性的,数据面临着公开传输极易泄露隐私的境况,这时候如果用机构专属大模型来规避这样的问题,也同样会不可避免的泄露一些客户的隐私数据或者公司的敏感数据。那么,如何真正来规避这些涉及安全性和隐私保护的问题,是未来整个行业需要来重点解决的地方。
第四,由于大模型技术对算力要求极高,就导致了高额成本始终是绕不过去的坎儿。如果保险业将AI技术全面应用起来,耗费的高成本所带来的业务价值并不高,尤其是在财产险领域,本来利润就被压缩的很低,这时AI技术的成本管控就成为了保司所必须考虑的问题。
352539个用户完善保障计划